Facebook以机器学习分析卫星图提升人口分布精准度，找出各地合适上网方式

脸书（Facebook）近年来积极透过多项专案协助提高全球上网人口，为了解全球人口分布以研拟适合不同地区的上网对策，透过机器学习（machine learning）协助分析数十亿张卫星空拍图，绘制出精细到5米等级的人口分布图，精确度史上罕见。
 
Facebook 联网实验室(Connectivity Lab)22日公布最新研究成果，针对20个国家总面积2160万平方公里，资料量达350TB的卫星影像，采用自行开发的机器学习技术分析，找出这些国家的人口分布样貌，希望借此找出最合适的方法让这些地区的居民能够连线上网。
 
研究计划主持人Andreas Gros与Tobias Tiecke表示，人口分布的样貌会影响到如何最有效地提供网络服务，举例来说，Wi-Fi热点适合人口密集区，而移动网络则适合较分散的居住情况，而社区聚落彼此间的关联，则对规划骨干网络有重要影响，例如沿着河流发展的聚落，便适合采用一串点对点的骨干网络，而分散在广域的聚落型式，便可能更适合采用无人飞行器或卫星来提供无线网络连结。
 
该实验室先透过传统影像分析找出建筑物，并将其定义为有人居住的处所，再整合人口调查资料，整理出分辨率达5米的人口分布图。尽管分析空拍影像中的人造物已是广泛采用的技术，但大规模分析的难度却不低，尤其在极端空旷区域的分析，会对机器学习技术造成很大挑战。

Facebook采用卷积神经网络来提高分析精确度，并可用约8000张相片，便可创造单一国家区域内足够的精确度。

↓ 透过新的分析技术提升人口分布图的精准度。依地理位置、人口分布的密度，研究适合的上网方式及提供服务的优先级。提高人口分布的精确度，不仅可用于上网研究，也可作为政府推动教育、环境卫生教育等政策的参考。  

Facebook预计将在今年内公布相关研究成果，希望有助于进行社经发展研究与自然灾害下的可能风险评估等，并相与哥伦比亚大合作进行后续研究。